반갑습니다. 오늘은 코로나에 관해서 말씀드리겠습니다. 그중에서도 특히 작년 초 코로나 발발 이후에 소위 모빌리티(mobility), 사람들의 이동량이 얼마나 줄었는지에 대한 이야기입니다.
제가 아침에 서재에 나와서 도하 신문들을 보면 그리 마음이 편치 않습니다. 여러 신문 1면에서 세계 여러 나라 사람들이 마스크를 벗고 자유롭게 이동을 하고 있는 사진들이 손바닥만 하게 실려 있죠. 여행을 워낙 좋아하는 저로서는 화가 치밀기도 하고 한편으로는 부럽기까지 합니다. 우리나라와 일본을 제외한 OECD 국가들에서 백신 접종률이 올라가면서 사람들의 이동량은 코로나 이전 수준으로 거의 회복된 모습이지요.
중앙일보에 실린 사진을 보면 미국에서 3,700만 명이 지난 메모리얼 데이 때 한풀이 주말여행을 했다는 사진들이 실려 있죠. 밑에 서브타이틀을 보면 ‘접종자 노마스크’로 미국 전국이 북새통을 이루고 자동차 나들이 기름값만 5조원이라고 되어 있습니다.
그 다음 조선일보를 보면 ‘실내에서도 자유롭게 모이고 즐기는 미국’. 지난 5월 24일, 플로리다에서 열린 북미 아이스하키 리그 nhl 시합에서 수만 명의 관객들이 경기장을 가득 메우고 마스크를 쓰지 않은 채로 경기를 지켜봤단 것이죠.
미국 cdc가 최근에 백신 접종자들의 경우에는 실외는 물론 실내에서도 마스크를 쓰지 않아도 된다는 지침을 발표했고 지난 25일 기준으로 18세 이상 성인의 62%가 한 번 이상 코로나 백신을 맞았다고 되어 있습니다.
그 다음 국민일보를 보면 지난달 29일에 프랑스 파리의 벡시 아레나에서 밴드 인도차이나의 콘서트가 열렸는데 참석자들이 마스크를 쓰고 열광하고 있는 모습입니다.
그 다음 세계일보를 보면 ‘노마스크 미국, 코로나 후 세계 최다 스포츠 관중’이라는 제목 아래에 사진이 실렸죠. 지난달 30일 미국, 인디애나폴리스 모터 스피드웨이에서 세계 3대 F1 경주 중 하나인 인디애나폴리스 500이 열려서 무려 13만 5천 명의 관중들이 F1 경기를 관람했다는 것이죠.
그 다음 영국의 리버풀에서는 대규모 야외 콘서트가 열려서 관객들이 마스크를 쓰지 않고 거리두기를 하지 않는 상태에서 공연을 즐기고 있는 모습이죠.
현재 우리나라는 사회적 거리두기 일환으로 5인 이상 집합 금지, 10시 이후 영업금지 같은 조치들이 취해지고 있어서 너무나 대조되는 모습을 보이고 있죠.
구글과 애플이 구글맵이나 애플맵을 사용하는 사람들의 로그 데이터, 그러니까 거대한 빅데이터죠. 이를 활용해서 매일 이동량 증감에 대한 리포트를 했는데, 구글은 커뮤니티 모빌리티 리포트라는 이름 아래 6가지 장소에서 일어나고 있는 이동량의 증감을 리포팅하고 있죠. 그러니까 location, 장소 기준입니다.
그리고 애플은 애플 모빌리티 트렌드라는 제목 아래 세 가지 행위, activity에 대해서 측정한 결과를 발표하죠. Walking 도보, driving 운전, transit 대중교통 세 가지입니다.
6월 2일 자 기준으로 보면 구글은 5월 28일 자 까지 자료를 발표했고, 애플은 5월 31일 자 까지 자료를 내놓았죠. 이를 근거로 5월 28일 자 OECD 37개국의 이동량을 보면, 코로나 발생 이전과 비교해서 오히려 +10%만큼 이동량이 증가한 상태입니다. 그러니까 이동량 차원에서만 보면 우리와 일본을 제외한 대부분의 OECD 국가들이 코로나 이전 상태로 원복한 것이죠.
이와 관련해서 오늘은 모빌리티, 사람들의 이동량에 대해서 말씀 드리고자 합니다. 네 가지 질문인데요. 첫 번째, 지난 1년 반 동안 사람들의 이동량이 얼마나 줄었을까요? 글로벌 차원에서, OECD 차원에서, 우리나라 차원에서 각각 얼마나 줄었을까요? 두 번째 질문은 사람들의 이동량이 어느 시점에 얼마만큼 줄었을까요? 세 번째 질문은 어떤 장소(location)나 어떤 행위(activity)에서 이동량이 줄었을까요?
앞에도 말씀을 드렸습니다만 구글은 location, 장소 중심으로 이동량을 측정합니다. 여섯 가지인데요. 직장에 머물러 있는 시간이 얼마나 줄었을까? 그리고 공원, 소매점 및 여가시설, 대중교통 정거장, 주거지. 집이죠. 그리고 식료품점이나 약국. 이 여섯 가지 로케이션에서 머무는 시간이 얼마나 줄었을까라는 점을 측정하죠.
이에 비해서 애플은 activity, 행위에 대해서 측정합니다. 세 가지인데요. 운전(driving), 대중교통(transit), 도보(walking). 각각의 행위를 하는 시간이 얼마나 줄었을까라는 점을 측정을 하죠.
마지막 네 번째 질문은 이런 이동량의 감소와 증가는 무엇으로부터 영향을 받을까요?라는 것인데요. 얼핏 생각하면 신규 확진자가 급증을 하든지 신규 사망자가 급증을 하면 이동량이 급속히 감소할 것 같죠. 그런데 실제 통계를 돌려 보면 확진자와 사망자보다는 오히려 정부대응 통제 지수에 따라서 사람들의 이동량이 변하죠.
정부대응 통제 지수는 Government Response Stringency Index라는 것인데요. 제가 작년 10월에 한 시간에 걸쳐서 네 편의 에피소드로 이미 상세 설명한 바가 있죠. 관심이 있으시면 참고하시죠. 풀 네임은 Government Response Stringency Index인데, 그대로 직역하면 정부대응 엄중성 지표죠. 각 나라 정부가 코로나에 얼마나 엄중하게 대응을 하느냐를 숫자, 지수로 나타내는 지표죠.
엄중성이란 말이 조금 어렵기 때문에 오늘 에피소드부터는 제가 용어를 조금 바꿔서 우리들에게 익숙한 통제라는 단어를 쓰도록 하겠습니다. 그래서 정부대응 통제 지표라고 말씀드리겠습니다. 그 내용은 대단히 상식적입니다. 1단계에서 2단계, 2단계에서 3단계로 올라가면 통제 지수가 높아지는 것이고 역으로 3단계에서 2단계, 2단계에서 1단계로 떨어지면 통제 지수가 낮아지는 것이죠. 코로나 상황이 심각하면 1-2-3 단계로 올라가고 코로나 상황이 완화되면 3-2-1 단계로 내려오는 것이죠.
그런데 다행스럽게도 옥스포드 대학에서 OxCGRT라는 지표를 지속적으로 발표하고 있습니다. 옥스포드 대학에서 만든 코로나 바이러스에 관련된 정부대응 추적자라는 프로젝트인데요. 여기서 정부대응 통제 지표를 발표하죠. 이상 여기까지 네 가지 질문에 대해서 하나씩 설명 말씀을 드리죠.
그전에 데이터와 관련된 몇 가지 코멘트를 하겠습니다. 제가 오늘 말씀드리는 자료의 날짜는 5월 19일 자 기준입니다. 주로 인용처가 방금 말씀드린 OxCGRT, 그리고 제가 자주 활용하는 Our World in Data, 구글, 애플입니다.
Our World in Data에서 코로나 바이러스 코너에 들어가면 아주 방대한 양의 자료를 구할 수 있죠. 그중에서 총인구수, 총 확진자, 총 사망자 숫자를 활용했습니다. 그리고 구글 모빌리티는 구글에서 발표하는 커뮤니티 모빌리티 리포트를 활용했고 애플은 마찬가지로 애플 모빌리티 트렌드라는 보고서를 활용했습니다. 그런데 구글 리포트는 아마 빅데이터를 처리해서 그런지 대략 발생 시점으로부터 4~5일있다가 발표되고, 애플 자료는 2~3일 정도 걸리죠. 그리고 이 방대한 자료를 바탕으로 통계 처리를 하는데 제가 약 1주일 정도 소요됐습니다. 그래서 오늘 말씀드리는 자료는 5월 19일 자 기준입니다.
그리고 제가 전세계, 글로벌이라고 이야기할 때는 131개 나라의 자료입니다. 방금 말씀드린 4개 기관의 소스 데이터에서 공통적으로 누락되지 않은 나라가 131개국이죠. 인구 숫자로 보면 Our World in Data 기준으로 현재 전세계 인구가 78억입니다. 지도를 보시면 가장 짙은 부분이 인구 2억 명을 초과하는 나라들이죠. 그런데 이번 자료에서 분석의 대상으로 포함된 인구는 57억입니다. 73%에 해당되죠. 대상에서 제외되는 경우가 21억, 27%에 해당 되는데 이들 제외 국가들은 대부분 다 중국처럼 발표하는 통계를 도저히 믿을 수 없거나 또는 독재 국가에 해당되죠. 여러 독재 국가에서는 구글맵이나 애플맵을 통해서 사람들의 이동 궤적을 추적할 수 없죠. 중국은 두 가지에 다 해당됩니다. 통계 불량 국가이면서 독재국가죠.
그래서 중국의 14억 인구가 빠지고 에티오피아, 콩고 민주주의 공화국, 이란, 알제리, 수단, 우즈베키스탄 등등 이런 나라들이 통계에서 제외됐습니다. 대상 인구 57억 기준으로 보면 인구가 가장 많은 인도가 14억, 미국이 3억 3천, 인도네시아가 2억 7천, 파키스탄이 2억 2천, 브라질이 2억 천 이런 순이죠.
다음으로 OECD 경우에는 37개 국가들이 다 포함되어 있습니다. 그 다음 통계수치와 관련해서 말씀드리면 제가 이번 에피소드에서 별도로 언급하는 경우 외에는 모든 숫자들을 7일 이동 평균으로 사용했습니다.
예컨대 우리나라의 이동량을 로우 데이터로 표시하면 상하 진폭이 워낙 들쑥날쑥합니다. 통계처리도 마찬가지고 그래프로 보아도 혼란스럽죠. 그래서 7일 이동 평균을 내보면 이렇게 되죠. 이런 7일 이동 평균 숫자를 기준으로 말씀드리겠습니다.
그리고 전세계 131개 나라 또는 OECD 37개 나라의 평균 숫자를 구할 때는 나라별 총 인구를 가중치로 사용했습니다. 인구가 14억인 인도와 인구가 3만 8천인 리히텐슈타인을 같은 가중치로 다룰 수는 없죠.
만일 인도에서 이동량이 10% 줄고 리히텐슈타인에서 이동량이 20% 줄었다고 해서 평균 15% 줄었다고 할 수 없죠. 그래서 가중 평균으로 하면 10%보다는 조금 더 큰 10.000 몇% 정도 숫자가 나오겠죠.
그리고 이동 항목별 지수 9가지죠. 구글 6가지, 애플 3가지. 이 9가지의 지표를 하나의 숫자로 통합할 때는 그 가중치를 아까 말씀드린 통제 지수로 사용을 했습니다. 그 이유에 대해서는 통계적으로 상당히 골치 아픈 부분이라서 별도의 에피소드에서 아주 상세한 통계 처리 프로세스에 대해서 따로 한번 말씀드리죠.
첫 번째 질문입니다. 코로나 발발 이후에 사람들의 이동량이 얼마나 줄었을까요?라는 질문이죠. 답부터 말씀을 드리면 전세계 차원에서는 -17% 줄었고 OECD 37개 나라에서는 평균 -16% 줄었고 우리나라의 경우에는 사람들의 이동량이 -21% 줄었죠. 전세계 평균보다는 OECD가 조금 작게 줄었고 우리가 전세계 평균이나 OECD 평균보다는 감소량이 상대적으로 많죠.
그런데 -17%, -16%, -21%라는 숫자가 작다는 느낌이 있습니다. 제 주변에 있는 몇몇 분들한테 코로나 이후에 사람들의 이동량이 얼마나 줄었을까요?라고 즉흥적으로 물어보면 어떤 분들은 많게는 50%, 또 어떤 분들은 작게 한 20% 정도 말씀들을 하시는데요. 그런 감이나 느낌보다는 숫자가 좀 작죠.
제가 말씀드린 17%, 16%, 21%는 최대치가 아니고 평균치고 대개 여러분들께서 감으로 말씀하실 때는 통계지수가 가장 높았을 때, 그러니까 최대치를 대략 말씀하시는 것으로 짐작됩니다.
지난 1년 반 동안의 이동량 감소 추이를 보면 좌우 X축은 날짜 진행 순서고 상하 Y축은 이동량이죠. 중간에 있는 빨간색 기준점 위로는 이동량이 는 것이고 그 아래 빨간 부분은 이동량이 감소한 것입니다. 대략 보면 전세계 또는 OECD의 상하 변동폭이(황색, 하늘색) 우리나라의 녹색 변동폭보다는 좀 더 크죠. 하나씩 보겠습니다.
전세계 평균이 -17%인데요. 가장 심할 때가 작년 4월 12일에 -53%까지 감소했죠.
그리고 OECD 기준으로 보면 1년 반 평균이 -16%인데 이동량이 가장 많이 줄었을 때가 마찬가지로 작년 4월 12일에 -48%까지 줄었죠.
우리나라 경우에는 평균은 -21%인데 작년 3월 5일, 그러니까 신천지 사태 때입니다. -35%까지 줄었고 금년 1월 4일 -36%까지 줄었죠.
그리고 5월 19일 자 기준으로 보면 현재 우리나라는 -18%, 전세계 -13%, OECD -5%까지 상당히 많이 회복된 상태지만 아마 사람들은 가장 많이 감소했을 때를 기억하는 것 같습니다.
여기 OECD의 -5%는 5월 19일 자 기준이고 어제오늘 숫자를 보면 급격히 이동량이 증가하고 있죠.
다음으로 131개 나라의 이동량을 보시죠. 좌우 X축은 이동량 감소가 가장 컸던 순서로 나열했고 상하 Y축이 이동량입니다. 당연히 빨간색이 감소량이겠죠.
여기서 우리나라는 이동 감소량이 -21%, 131개 나라 중에서 40번째죠. 세계 평균과 OECD 평균은 대개 60번째 전후에 해당되죠. 그렇다면 추가적인 질문이 하나 나올 수 있습니다.
우리나라는 코로나 확진자도 적고 사망자도 적은데 왜 세계 평균이나 OECD 평균보다 이동량 감소량이 훨씬 많을까라는 질문이죠. 신규 확진자 기준으로 보면 우리나라는 131개국 중에서 30번째입니다.
이 그래프는 인구 100만 명 당 신규 확진자가 몇 명인가라는 그래프죠. 우리나라가 30번째에 해당이 되죠.
숫자가 작아서 잘 안 보입다만 Y축을 로그로 바꾸면 우리나라 위치가 보이시죠. 신규 사망자 기준으로 봐도 우리나라가 22번째죠.
인구 100만 명 당 신규 사망자 그래프를 보면 이렇습니다. Y축을 로그로 바꾸면 우리나라 위치가 보이시죠. 신규 확진자나 신규 사망자가 글로벌 베스트는 아니라도 30등, 22등이면 상당히 선방하고 있는 수준인데요. 그런데도 불구하고 우리나라 사람들의 이동량이 왜 세계 평균이나 OECD 평균보다 훨씬 더 감소했을까요?라는 질문이죠. 이 역시 상당히 설명하기 힘든 질문인데 마찬가지로 별도의 에피소드에서 한번 살펴보도록 하죠.
그러면 세계 여러 나라들과 비교해서 우리나라의 적정한 이동량 감소가 어느 수준일까요? 이 부분은 약식으로 계산해 볼 수 있습니다.
먼저 신규 확진자 대비 이동량을 살펴보죠. 이 산포도에서 좌우 X축은 인구 100명 당 신규 확진자 숫자고 상하 Y축은 이동량의 증감입니다.
산포도 상에 131개 나라를 포지셔닝 해 보면 이런 모습이 되죠. 상하좌우로 너무 많이 분산되어 있어서 추세선이 명확하게 드러나지 않습니다. 상관계수가 상당히 낮습니다만 무리해서 추세선을 그려보면 대개 이런 궤적이 나오죠. 이 황색 추세선을 131개 나라의 평균값으로 봐야죠. 우리나라는 연두색인데 황색선 훨씬 밑에 있습니다. 다시 말씀드려서 적정한 수준이라고 기대되는 값보다 훨씬 더 많이 이동량이 감소한 것이죠.
X축이 좁아서 잘 안 보이기 때문에 조금 다른 방식으로 그래프를 그려봤습니다. 상하 Y축은 마찬가지로 이동량이고 좌우 X축은 131개 나라에 순위를 매겨서 제일 왼쪽이 1등이고 제일 오른쪽 131등이죠. 그러니까 확진자 숫자가 많을수록 이동량이 더 많이 감소한다고 가정을 한 것이죠. 연두색이 우리나라인데 적정하다고 기대되는 값보다 훨씬 더 많이 감소한 것이죠.
대략적으로 계산해 보면 세계 131개국 자료와 비교해서 적정한 이동량이 대략 -11% 감소인데, 실제 -21% 감소했으니까 적정 수준보다는 대략 두 배 정도 더 많이 이동량이 감소한 것이죠. 확진자 기준으로 봤습니다.
다음으로는 마찬가지 방법으로 사망자 기준으로 적정 수준을 예측을 해보죠. 내용은 똑같습니다. 확진자가 사망자로 바뀐 것이죠. 거의 유사한 패턴입니다. 황색 추세선이 적정 수준이고 연두색 점으로 표시되는 우리나라는 이동량 감소 폭이 훨씬 더 크죠.
마찬가지로 사망자 숫자가 작은 것부터 큰 것까지 차례대로 열거하면 이런 그래프가 되는데 연두색 우리나라의 이동량 감소가 적정 수준보다는 상당히 많죠.
약식으로 계산해 보면 적정 수준으로 기대되는 이동량이 -10%인데 실제로 -21% 감소했으니까 아까 본 확진자의 경우와 마찬가지로 거의 두 배죠. 그러니까 우리나라의 사람들의 이동량이 감소한 폭은 131개 나라와 비교해서 보면 적정 수준보다는 거의 2배 가까이 많은 폭으로 이동량이 감소한 것이죠.
이상 여기까지 사람들의 이동량 감소에 대해서 살펴보았는데요. 전세계 -17%, OECD -16%, 한국 -21%인데 우리나라 코로나 성적과 비교해서는 -21%라는 숫자가 상대적으로 과도한 것 아니냐라는 느낌이죠.
그 다음 두 번째 질문은, 그러면 사람들의 이동량이 언제, 얼마만큼 줄었냐라는 것이죠. 앞서 간략히 말씀드렸습니다만 사람들의 이동량 감소에 직접적으로 영향을 미치는 요소가 신규 확진자나 신규 사망자보다는 오히려 정부대응 통제 지수와 관련성이 더 깊다고 했는데요.
이동량의 민감도를 상관계수로 구해봤습니다. 표에서 보시는 바와 같이 글로벌 차원에서 확진자와 사망자 경우에는 민감도, 즉 상관계수가 플러스입니다. 비례해서 늘어난다는 것이죠. 상식적으로 잘 안 맞습니다. 확진자와 사망자가 늘어나면 이동량이 감소해야 되는데 오히려 증가했다는 것입니다. 이에 반해서 통제 지수는 비례가 아니라 반비례죠. 그것도 -0.77이니까 상관관계가 아주 깊은데 방향은 반비례한다는 것이죠. 다시 말씀드려서 통제가 강화되면 이동량은 줄고 통제가 풀리면 이동량은 늘어난다는 것이죠.
OECD 기준으로 보면 방향성은 맞는 것 같습니다. 세 지표 모두 마이너스로 나오죠. 그런데 그 민감도는 확진자, 사망자보다 통제 지수와의 민감도가 훨씬 더 높은 것이죠.
한국의 경우에는 세 개 숫자가 0.5대 수준인데요. 비슷하죠. 그리고 나라별이 아니라 지표별로 묶어 보면 이렇습니다. 확진자&민감도. 그러니까 확진자가 늘어나면 이동량이 얼마나 바뀌느냐는 상관계수가 플러스마이너스를 왔다 갔다 하죠. 사망자의 경우도 마찬가지입니다. 플러스마이너스가 혼재되어 있습니다. 그런데 통제 지수의 경우를 보면 숫자 차이는 조금 납니다만 전부 다 -0.77, -0.73, –0.53. 사회과학 현상에서는 아주 높은 민감도가 나오죠.
그래서 일괄을 해석하면 사람들의 이동량 변화는 확진자나 사망자 숫자 증감으로부터 직접적인 영향을 받는 것이 아니라 오히려 확진자나 사망자가 늘어나고 줄어들면 정부가 사회적 거리두기 같은 정책을 펴면서 여러 가지 이동에 대한 통제를 하고 이런 통제 지수가 바로 사람들의 이동량에 직접적으로 영향을 미친다는 것입니다. 좀 골치 아픈 사족이 길었습니다만 어느 시점에 얼마만큼 사람들의 이동이 감소했는지 살펴보죠.
먼저 첫 번째, 글로벌 131개국입니다. 전체 평균은 -17% 감소했습니다. 일자별 추이를 보면 작년 3월 초순까지는 WHO에서 코로나가 글로벌 팬데믹이 아니라고 했고 그래서 오히려 이동량이 증가했습니다. 그러다가 3월 중순이 지나면서 전 세계 곳곳에서 코로나 감염이 시작되었고 이동량이 급감하죠. 그래서 4월 12일에는 -53%까지 이동량이 감소했으니까 전세계 이동량의 절반 이상이 스톱했다는 것이죠. 그러다가 점진적으로 이동량이 늘어나서 -10%와 -20% 사이를 왔다 갔다 하고 있습니다.
다음으로 이동량의 변화가 정부대응 통제 지수와 얼마나 관련성이 깊은지 살펴보면 상관계수가 -0.77, 아주 관련성이 깊다고 나오죠.
그래프를 보시면 하늘색이 전세계 평균 통제 지수입니다. 높을수록 정부의 통제 강도가 높아지고 낮을수록 완화되는 것이죠.
여기에 이동량 변화 그래프를 그려보면 이렇게 됩니다. 이 두 지수가 서로 반비례를 하기 때문에 통제 지수 플러스가 클수록 이동량 마이너스가 큰 것이죠.
그래서 이동량 결과치를 거꾸로 놓으면 이렇게 되는데 전체 흐름이 거의 비슷하게 간다는 것입니다. 통제 지수가 올라가면 이동량이 많이 줄어들고 통제 지수가 낮아지면 이동량이 늘어나죠.
통제 지수와 이동량의 흐름 변화를 산포도로 그려보면 이렇습니다. 보시는 바와 같이 명확하게 추세선이 보이죠. 반복해서 말씀드리지만 통제 지수가 높아질수록 이동량 감소 폭이 크다는 것이죠.
산포도를 날짜 진행에 따라서 그리면 이런 모습이죠. 처음 이동량이 플러스에서 시작을 했다가 정부 통제 지수가 높아지면서 이동량이 급속히 줄어듭니다. 그리고 4월 12일 이동량이 -53%까지 감소합니다. 그러다가 서서히 회복되는 추세를 보이죠. 그 이후에 이동량이 -10%와 -20% 사이를 등락하죠. 5월 19일 자 현재 -13% 수준에 위치하고 있습니다. 이상 글로벌 차원에서 날짜별 변화 추이를 봤습니다.
다음으로 OECD 국가들을 살펴보죠. 전체 흐름은 글로벌 수준과 거의 비슷합니다. 최대 하락폭이 -48%니까 글로벌 -53%보다는 조금 높죠. 그리고 5월 19일 현재 기준으로 -5%까지 회복됐는데 아마 어제오늘 숫자를 보면 플러스로 돌아설 것으로 예측됩니다. 마찬가지로 통제 지수와의 민감도를 보면 상관 계수가 -0.73이니까 아주 높죠.
그래프를 그려봐도 마찬가지로 두 지표가 반비례해서 등락하고 있다는 사실을 알 수가 있습니다.
이동량 축을 거꾸로 하면 이런 모습인데 거의 유사한 패턴을 보이죠.
마찬가지로 산포도를 그려보면 이런데 추세선이 명확하게 보이죠. OECD 경우에도 통제 강도가 세지면 당연히 이동량이 줄어드는 것입니다.
일자별 트렌드를 보면 마찬가지로 초기에는 플러스 상태에서 급속히 이동량이 줄어들죠. 그러다가 4월 12일에 -48%까지 떨어졌다가 서서히 회복을 하죠. 그런데 등락폭이 좀 큽니다. 글로벌 차원에서는 -10%에서 -20% 사이로 왔다 갔다 했는데 OECD 경우에는 0%에서 -20%, 심하게는 -30%까지 왔다 갔다 합니다. 미국이나 서유럽 여러 국가들의 확진자와 사망자 발생이 워낙 등락을 거듭했기 때문이죠. 그러다가 5월 19일 자 현재 기준으로 -5%까지 회복이 되죠.
그 다음 세 번째 우리나라입니다. 연초에는 이동량이 플러스에서 시작했죠. 그러다가 세 번에 걸쳐서 이동량이 대폭적으로 감소합니다. 이 시기는 이제껏 우리나라에 있었던 세 차례 코로나 대란과 시기를 같이 하죠.
먼저 3월 초 신천지 사태 때 -35%까지 이동량이 감소하죠. 그리고 2차 대란인 8월 하순에 -30%까지 또 이동량이 감소하고 감소폭이 1차 때보다는 조금 작죠. 그 다음 연말연초 3차 대란 때 -36%까지 이동량이 감소했다가 서서히 회복해서 5월 19일 자 기준으로 -17%까지 이동량이 감소한 상태입니다.
거꾸로 코로나 사태 와중에서 이동량의 감소폭이 대폭적으로 줄어든 시기가 있죠. 그 첫 번째가 5월 초 황금연휴 때인데 아마 기억하시겠습니다만 이태원 클럽발 코로나가 확산되고 성소수자 문제와 연관해서 사회적으로 큰 파문을 일으켰죠. 그 다음 8.15 직전인 8월 14일 -16%까지 급증하죠.
당시 기사를 보면 ‘한국과 중국의 항공 운항 노선을 확대한다.’ ‘교회 소모임 금지 등 방역조치를 해제한다.’ ‘체육관 같은 공공시설 운영을 재개한다.’ ‘인천~톈진 노선 운항을 재개한다.’ 8월 17일을 임시공휴일로 지정하죠. 그리고 국내여행을 장려한다는 차원에서 여행 쿠폰을 뿌립니다. 나중에는 영화 쿠폰까지 배포하죠. 그래서 제주도에 사람들이 북새통을 이루죠. 또 코로나 발원지인 우한에서 한국으로 오는 노선을 허용합니다. 급기야는 콘서트까지 강행하죠. 아마 지난 1년 반 동안에 걸쳐서 통제 정책이 가장 완화됐던 때죠. 이런 결과로 코로나 8월 대란이 발생하게 되죠. 그 다음으로 9월 하순 추석 연휴 때 이동량이 -13%까지 올라가죠. 그리고 마지막으로 크리스마스이브를 전후한 연말 때 -17%까지 올라갑니다.
마찬가지로 통제 지수와 이동량 간의 민감도를 보면 상관계수가 -0.53이니까 글로벌이나 OECD보다는 숫자가 조금 낮습니다만 그래도 서로 간에 관련성이 아주 깊다는 사실을 알 수가 있죠.
통제 지수와 이동량을 한 그래프에 그리면 이렇습니다. 이동량 Y축을 거꾸로 놓으면 이렇게 되죠. 조금 편차는 있습니다만 등락의 모습이 거의 유사하게 가죠.
산포도를 그리면 이렇게 되죠. 마찬가지로 뚜렷한 추세선이 보입니다. 통제 지수가 높아질수록 이동량이 더 많이 감소하고 통제가 완화되면 이동량이 다시 회복되죠.
일자별 흐름을 보시면 큰 패턴은 글로벌이나 OECD와 거의 유사한데요. 부분적으로 잘 이해가 되지 않는 구역이 있습니다. 아마 이것 때문에 통제 지수와 이동량의 상관관계가 글로벌이나 OECD보다는 상대적으로 낮은 것으로 보입니다.
먼저 초기에는 플러스에서 시작하죠. 그러다가 신천지 사태가 일어나고 급속히 이동량이 줄어듭니다. 그리고 3월 5일에 -35%로 최저점을 찍죠. 그런데 이상한 점은 이때부터 4월 14일, 4.15 선거 직전까지 통제 지수가 지속적으로 올라갑니다. 82까지 올라가는데 이동량은 오히려 증가하죠. 둘 중에 하나입니다. 이동량이 잘못됐던지, 통제 지수가 잘못됐던지. 그러다가 금년 1월 초에 다시 이동량이 -36%까지 떨어지죠. 그리고 5월 19일 자 현재 -17%까지 회복됩니다.
이상 여기까지 언제, 얼마만큼 사람들의 이동량이 줄었는지에 대해서 살펴보았는데요. 글로벌이나 OECD 차원에서 보면 정부대응 통제 지수가 높아질수록 이동량이 줄어든다는 상식이 통했죠. 그런데 우리나라의 경우에는 물론 큰 흐름은 맞습니다만 부분적으로 통제 지수와 이동량 간에 엇박자를 보이는 경우가 종종 있어서 상관계수, 민감도가 글로벌이나 OECD보다는 훨씬 떨어지죠.
그 다음 질문은 그러면 어떤 장소나 행위에서 이동량이 줄어들었는가라는 것인데요.
앞서 말씀드렸듯이 구글 발표 자료에서는 location 기준으로 6가지 인덱스가 있습니다. 식료품&약국, 공원, 주거지, 소매점&여가시설, 대중교통 정거장, 직장. 6가지죠.
애플 발표 자료를 보면 3가지 인덱스가 있죠. 운전(driving), 대중교통(transit), 도보(walking) 3가지죠. 합해서 9가지입니다.
가장 많이 감소한 부분이 대중교통 -34%, 소매점과 여가시설 -27%, 대중교통 정거장 -25%, 직장 -22%. 대개 상식과 큰 차이가 없는 것 같습니다. 적게 줄어든 항목을 보면 식료품&약국. 생활을 영위하기 위해서 필수적인 부분이니까 상대적으로 적게 줄었죠. 그 다음 운전 -3%. 자기 소유 차량 안에서는 비교적 안전하다고 생각하는 것이죠. 그 다음 도보 -8%. 걸어 다니는 것도 상대적으로 안전하다고 보는 것이죠. 큰 흐름에서 별 무리가 없는 것 같습니다.
그 다음 OECD를 보겠습니다. 글로벌하고 좀 차이가 나는데 플러스 부분이 두 가지가 있죠. 공원이 +10% 늘었습니다. 아무래도 OECD 국가들이 부유하니까 공원 시설이 잘 돼 있고 또 자기소유 차량이 많으니까 대중교통보다는 자기 차 운전에 많이 의존했던 것 같습니다. 그 다음 많이 줄은 부분이 대중교통 정거장 -33%, 대중교통 -24%. 아마 대중교통 수단을 통해 감염이 많이 된다고 생각하는 것이죠. 소매점이랑 여가시설도 -26%로 되어 있습니다. 그리고 직장이 -25%인데요. 선진 국가들이니까 아마 상대적으로 재택근무의 기회가 많이 늘어난 것 같습니다.
그런데 우리나라를 보면 많이 차이가 납니다. 운전 -31%, 도보 -46%. 그러니까 이동 자체 절대량이 감소했다는 것이죠. 그 다음 공원 +26%, 식료품&약국 +10%입니다. 공원 숫자가 예외적으로 높죠. 직장 -9%, 주거지 -5%니까 재택근무가 9% 늘었고 그중에서 5%는 집에 있었고 나머지 4%는 공원이나 식료품 및 약국으로 흡수된 것으로 볼 수 있는 것이죠.
조금 복잡합니다만 3가지 케이스를 한꺼번에 놓고 보면 차이가 눈에 확 드러나죠. 먼저 식료품&약국은 한국의 숫자가 월등히 높죠. 공원도 OECD +10%보다는 우리가 +26%니까 월등히 높죠. 집에 있었던 시간이 여기서는 편의상 마이너스로 표시가 되어 있는데 실질 내용은 집에 있었던 시간이 얼마나 늘었는가라는 것인데요. 우리가 상대적으로 절반 수준입니다. 그리고 소매점&여가시설을 보면 글로벌이나 OECD는 거의 26%~27% 정도 줄었는데 우리들은 -11% 수준이죠.
그 다음 대중교통 정거장을 보면 우리들의 감소율이 -10%. 상대적으로 아주 적죠. 우리들이 OECD에 비해서 오너 드라이브가 적은 탓이겠죠. 재택근무율도 -9%, OECD -25%에 비해서 월등히 작은 숫자죠. 운전의 감소폭도 아주 크고 도보의 감소폭도 아주 큽니다.
우리나라만 별도로 보죠. 표에서 보시는 바와 같이 공원으로 이동한 비율이 월등히 높습니다. 그 다음 식료품&약국이 조금 높고 주거지, 직장이 비슷하고 대중교통 정거장이 -10%. 마지막으로 소매점&여가시설이 -11% 가장 많이 줄었죠. 결국 자영업자들이 피해를 가장 많이 봤다는 게 이 숫자와 맥을 같이 하는 것이죠.
하나씩 보죠. 먼저 직장부터 보겠습니다. 129개국의 감소 순서별로 나열하면 이런데요. OECD 평균이 -25%, 세계 평균이 -22%, 우리나라가 117번째로 -9%입니다. 그러니까 재택근무가 제대로 이뤄지지 않았다는 것이죠.
시간 흐름별로 보면 연두색이 우리나라인데 상대적으로 감소폭이 작죠. 중간중간에 단절적으로 확 낮아지는 부분이 있는데 모두 연휴 때입니다. 글로벌 또는 OECD에서는 이런 여러 나라들의 연휴들이 엇갈리기 때문에 전체를 합해 보면 그래프가 스무드하게 가는데 우리는 단절적으로 변화를 보이죠.
첫 번째가 5월 초 어린이날 주변이고 두 번째가 8.15 연휴 때입니다. 그 다음이 9월 20일 전후에 추석 연휴 때고 그 다음이 1월 초 신정 연휴, 2월 초 구정 연휴, 마지막으로 5월 초 어린이날 전후 때입니다. 연휴를 감안하더라도 전반적으로 직장 근무시간 감소량이 글로벌 또는 OECD에 비해서 매우 낮죠. 왜 그럴까요? 아마 상대적으로 우리나라의 코로나 피해 규모가 작았고 한편으로는 아직까지는 우리나라에 재택근무의 관행이 정착되지 않은 것 아닌가라는 생각이 들기도 합니다.
그 다음 두 번째로 주거지를 보죠. 마이너스로 표시되어 있습니다만 실질 내용은 주거지 체류시간이 늘어났다는 의미입니다. 글로벌 평균이 -10%, OECD가 -10%. 비슷하죠. 그런데 우리나라는 절반 수준인 -5%. 순서도 104번 째입니다. 상대적으로 아주 낮죠. 앞에서 보면 근무지 감소량이 9%인데 여기서 5%니까 나머지 4%는 어디로 갔을까요? 뒤에서 보겠습니다만 주로 공원으로 흡수된 것 같습니다.
그 다음이 공원인데 공원이라 하면 국립공원, 공용 해수욕장, 정박지, 반려견 공원, 광장, 공공 정원과 같은 장소라고 되어있습니다.
128개국 그래프인데 세계 평균이 -13%, 그런데 OECD 평균이 +10%입니다. 그리고 우리나라는 그 두 배 반인 +26%죠.
시간 흐름 별로 보면 연두색이 우리나라인데 거의 전기간 플러스를 유지하고 있죠. 그런데 OECD 경우에는 여름과 초여름, 초가을까지는 플러스를 보이다가 날이 추울 때는 다시 마이너스가 되죠.
우리나라보다 공원 체류시간이 더 많은 18개 나라를 보면 중간에 리비아 보이시죠. 리비아 빼고는 모두가 OECD 국가입니다.
그래프를 보면 덴마크, 핀란드, 스웨덴 순서죠. 특히 북유럽이라고 이야기하는 덴마크, 핀란드, 스웨덴, 노르웨이 4개국이 다 높은 랭킹입니다. 우리의 수준은 대개 이 정도죠. 글로벌 차원에서 보면 상당히 높은 편입니다만 그래도 좀 더 공원 조성이 필요한 것 같습니다. 어쨌든 우리나라의 경우에 만일 주변에 한강 고수부지라든지 하이킹을 갈 수 있는 나지막한 산, 멀리 있는 국립공원까지. 이런 산과 들과 바다가 없었다면 코로나를 극복하는데 상당히 정신적으로 어려웠을 것 같습니다.
그 다음 식료품&약국이죠. 여기 해당되는 장소가 식료품 매장, 식자재 창고, 농산물 시장, 전문 식품 매장, 드러그 스토어, 약국 같은 장소죠.
131개국 현황은 이렇습니다. OECD -5%, 전세계 -2%, 우리들이 +10%입니다. 날짜 별로 봐도 초기 잠깐을 제외하고는 거의 전기간 플러스를 유지하고 있습니다. 아마 추측건대 우리나라 같은 경우에는 식료품이나 약국 등의 매점매석이나 재고 소진 이런 상황이 잘 없었기 때문에 언제라도 식료품점이나 약국에 가면 필요한 물건을 구할 수 있으므로 집에 쌓아두기보다는 수시로 필요할 때마다 많이 왔다 갔다 했다고 해석할 수 있는 것이죠.
그 다음에 소매점&여가시설인데 식당, 카페, 쇼핑센터, 놀이공원, 박물관, 도서관, 영화관이 해당됩니다. 129개국 현황은 이렇습니다. 세계 평균이나 OECD 평균이 -26% ~ -27%, 우리나라가 -11%죠. 우리나라에서 특히 피해를 가장 많이 봤다고 하는 소상공인들과 관련된 부분이죠. 그나마 글로벌 평균이나 OECD 평균에 비해서는 감소폭이 작아서 불행 중 다행입니다만 우리나라 안에서 보면 다른 시설에 비해서 감소폭이 가장 크기 때문에 국내 기준으로는 피해가 가장 큰 부분입니다.
그 다음이 대중교통 정거장인데 전 세계 현황은 이렇습니다. OECD가 -33%, 전세계가 -25%, 우리나라가 -10% 정도 줄었죠. 다른 나라에 비해서 상대적으로 크게 줄지는 않았습니다.
이상 여기까지 구글 리포트에 나오는 항목들이었고 그 다음부터 애플 리포트에 나오는 항목들이죠. 운전에 대해서는 62개국에 대한 자료가 있는데 우리나라가 5번째로 감소폭이 큽니다. -31%죠.
62개국 전체 일자별 흐름이 이런데 우리나라가 바텀 텐 중에 다섯 번째죠. 상당히 많이 줄었습니다. 전세계나 OECD와 비교해서도 많이 줄었죠.
대중교통 감소에는 우리나라 통계가 없습니다. 세계 평균이 -34%, OECD 평균이 -24%죠.
날짜별 흐름을 보면 이렇죠.
마지막으로 walking, 도보인데 63개국 현황은 이렇습니다. 그 중에서 우리나라가 두 번째로 감소폭이 큽니다. -46%.
63개국 전체 추이를 보면 이런데요. 바텀 텐을 그려 보면 우리나라가 감소폭이 두 번째로 크죠. 전세계, OECD와 비교해도 감소폭이 월등히 크다는 것을 알 수 있습니다.
이상 여기까지 location과 activity 항목별로 감소폭을 봤는데 우리나라 현황을 요약을 하면 재택근무 시간이나 주거지 체류시간 폭이 그렇게 많이 변하지는 않았습니다만 재택근무가 -9% 늘어났고 주거지 체류시간이 5% 늘어났죠. 나머지 4%와 그 외 감소 시간들이 공원 쪽으로 흡수된 것 같죠. 그리고 아무래도 오너 드라이브 비중이 낮은 탓에 선진국에 비해서는 대중교통 감소폭이 그렇게 많이 줄지 않았습니다. 그리고 소매점과 여가시설 이용이 가장 큰 폭으로 줄어든 탓에 소상공인들의 피해가 가장 컸던 것이죠. 이상 여기까지 장소 또는 행위별 감소 패턴에 대해서 살펴봤습니다.
마지막 네 번째. 이와 같은 사람들의 이동량 변화는 무엇으로부터 영향을 받는가라는 질문인데요. 앞서 사이사이에 말씀드렸듯이 신규 확진자, 신규 사망자 숫자보다는 정부 통제 지수에 영향을 가장 많이 받는다는 것이죠.
우리가 얼핏 생각하면 확진자가 늘고 사망자가 증가하면 이동량이 감소될 것 같지만 사실 일반 시민들은 그 정확한 숫자나 내용에 대해서는 잘 모릅니다.
그래서 이런 확진자와 사망자 현황을 종합해서 정부가 여러 가지 통제 정책을 수립하죠. 그 결과가 통제 지수로 나타나는 것이죠. 그래서 정부가 1단계-2단계-3단계로 높이고 3단계-2단계 -1단계로 낮추면 국민들은 그 통제 지수에 반응을 하는 것이죠.
그렇게 보면 결국 사람들의 이동량이라는 것은 확진자나 사망자 추이보다는 정부가 정하는 통제 지수에 따라 좌우가 되는 것이죠.
이 부분에 대해서는 통계적으로 상당히 까다롭고 이야기가 좀 길기 때문에 다음 에피소드에서 따로 말씀을 드리도록 하겠습니다. 이상 여기까지 마치도록 하겠습니다. 감사합니다.